Mapytex/documentation/source/presentation_stat.rst

191 lines
6.3 KiB
ReStructuredText
Raw Normal View History

2017-04-17 13:48:52 +00:00
Présentation des outils de statistiques de Mapytex
=================================================
2017-04-17 13:48:52 +00:00
La partie statistique de Mapytex est un module python qui permet generer des données statistiques et de les analyser pour un niveau collège - début de lycée.
Analyse des données
-------------------
La gestion des données statistiques se fait à travers 2 classes: *Dataset* (ensemble de données) et *WeightedDataset* (ensemble de données pondérées).
.. code-block:: python
>>> from pytmath import Dataset, WeightedDataset
>>> d = Dataset([1, 3, 4, 2, 4, 1], data_name = "Points")
>>> print(d)
[1, 3, 4, 2, 4, 1]
>>> w = WeightedDataset({1:3, 2:4, 3:5}, data_name = "Nombre de frères", weight_name = "Effectifs" )
>>> print(w)
{1:3, 2:4, 3:5}
Le passage du *Dataset* à *WeightedDataset* revient à compter les effectifs de chaque classe (il n'est pas encore possible de définir des classes sous forme d'intervals).
.. code-block:: python
>>> W = WeightedDataset(d)
>>> print(W)
{1: 2, 2: 1, 3: 1, 4: 2}
Une fois les données définies, on peut calculer les indicateurs statistiques suivants:
- L'effectif total (ou la pondération totale):
.. code-block:: python
>>> d.effectif_total()
6
>>> w.effectif_total()
12
- La somme:
.. code-block:: python
>>> d.sum()
15
>>> w.sum() #/!\ c'est une somme pondérée
26
- La moyenne:
.. code-block:: python
>>> d.mean()
2.5
>>> w.mean()
2.17
- La variance et l'écart-type (sd):
.. code-block:: python
>>> d.variance()
1.58
>>> d.sd()
1.26
>>> w.variance()
0.64
>>> w.sd()
0.8
- Les quartiles et les valeurs extrèmes:
.. code-block:: python
>>> max(d)
4
>>> d.quartiles() #(min, Q1, Me, Q3, Max)
(1, 3, 3, 4, 4)
>>> d.quartile(1) # Q1
3
>>> min(w)
1
>>> w.quartiles() #(min, Q1, Me, Q3, Max)
(1, 1.5, 2, 3, 3)
>>> w.quartile(2) #Me
2
Enfin une fonction rudimentaire a été ajouté pour présenter ces données dans un tableau formaté pour Latex
.. code-block:: python
>>> print(d.tabular_latex())
\begin{tabular}{|c|*{6}{c|}}
\hline
1 & 3 & 4 & 2 & 4 & 1 \\
\hline
\end{tabular}
>>> print(w.tabular_latex())
\begin{tabular}{|c|*{3}{c|}}
\hline
Nombre de frères & 1 & 2 & 3 \\
\hline
Effectifs & 3 & 4 & 5 \\
\hline
\end{tabular}
Générer des données aléatoirement
---------------------------------
2016-01-12 08:15:02 +00:00
Ce module permet aussi de créer aléatoirement des données à travers la méthode *random* de *Dataset*.
.. code-block:: python
>>> Dataset.random(10)
[-0.14, 0.3, -0.55, 1.02, -2.02, -1.17, 1.47, 1.22, -1.38, 0.02]
Par défaut, les données sont générées suivant une loi normale de paramètres 0, 1 et les valeurs sont arrondis à deux chiffres après la virgule.
Ces paramètres sont modifiables pour avoir une gestion plus fine des données souhaitées.
Distribution des données
^^^^^^^^^^^^^^^^^^^^^^^^
La méthode random accepte deux arguments pour gérer la création de données:
- *distrib*: cet argument peut avoir deux formes. Soit c'est la fonction qui genèrera des données soit c'est un élément de la liste ["gauss", "uniform", "randint", "choice"] qui fera directement appel aux fonctions correspondantes du module *random* intégré dans python.
- rd_args: Ce sont les arguments à faire passer à *distrib*.
.. code-block:: python
>>> Dataset.random(10, distrib = "uniform", rd_args = (20, 30)) # des données uniformes entre 20 et 30
[23.2, 25.84, 28.97, 24.38, 20.07, 24.57, 28.54, 26.73, 20.36, 22.03]
>>> Dataset.random(10, distrib = "choice", rd_args = [[10, 50, 100]]) # Tirage aléatoire entre 10, 50 et 100
[100, 10, 10, 50, 50, 50, 10, 100, 50, 100]
>>> toujours_un = lambda *args:1 #un fonction qui renvoie toujours 1
>>> Dataset.random(10, distrib = toujours_un) # Génère des données pas très aléatoire ici...
[1, 1, 1, 1, 1, 1, 1, 1, 1, 1]
>>> from random import expovariate
>>> Dataset.random(10, distrib=expovariate, rd_args=[2])
[0.75, 0.0, 0.21, 0.12, 0.23, 0.38, 0.53, 0.22, 0.15, 0.67]
Formatage des données
^^^^^^^^^^^^^^^^^^^^^
Il est possible de gérer le formatage des données crées par la fonction de distribution avec la méthode *nbr_format*. Ce doit être une fonction.
Par défaut cette fonction, arrondis tous les nombres au centième.
.. code-block:: python
>>> Dataset.random(10, nbr_format = int) # Tous les nombres devront être des entiers.
[1, 0, 0, 0, -1, 1, -2, -1, 0, 0]
>>> Dataset.random(3, nbr_format = lambda x : 10*x+100) # Tous les nombres générés sont multipliés par 10 et augmenter de 100.
2016-01-24 06:42:36 +00:00
[83.25478349417327, 87.48915747851468, 109.2031945412872]
2016-01-12 08:15:02 +00:00
>>> Dataset.random(10, distrib="choice", rd_args=["LOTERIE"], nbr_format=str) # Tirage aléatoire des lettres du mot LOTERIE
['E', 'E', 'O', 'T', 'T', 'T', 'L', 'E', 'I', 'I']
Restrindre les données
^^^^^^^^^^^^^^^^^^^^^^
On peut vouloir (en particulier pour une distribution normale - gaussienne) que les valeurs générées soient comprises entre deux nombres. Deux arguments gèrent la valeur maximale et minimale: *v_min* et *v_max*.
.. code-block:: python
>>> Dataset.random(10, v_min = 0)
[2.31, 0.6, 1.21, 0.86, 0.1, 0.09, 0.86, 0.85, 0.59, 0.22]
Contrôle de la moyenne
^^^^^^^^^^^^^^^^^^^^^^
Il est possible de contrôler la moyenne des données générées grâce à l'argument *exact_mean*:
.. code-block:: python
>>> d = Dataset.random(10)
>>> d.mean()
-0.29
>>> d = Dataset.random(10, exact_mean = 0)
>>> d
[-1.55, 1.07, 0.54, -1.79, -0.8, -0.18, 0.85, 1.33, -0.93, 1.46]
>>> d.mean()
0
>>> d = Dataset.random(10, exact_mean = 10)
>>> d # On remarque que la dernière valeur n'est plus générée par une N(0,1)
[-0.07, 0.93, 0.05, -1.05, 2.34, 0.27, 0.96, -0.9, 0.02, 97.45]
>>> d.mean()
10